摘要：相关滤波跟踪器近几年在许多视觉跟踪任务中都取得了优异的性能,显示出了较高的精度和帧率。但限制其跟踪性能的问题仍有很多,例如图像表征方式单一,传统尺度估计的方式计算复杂度高,对快速运动、背景杂乱等复杂场景跟踪效果不佳。针对这些问题,提出了一个跟踪框架来分别估计目标位置和尺度的变化,通过相关滤波和颜色直方图模型相结合的方式评估目标位置,再从最可信帧中训练核尺度相关器来预测目标的尺度变化。同时,对模型采用保守的方式进行自适应在线更新,以防止误差累加破坏模型。在跟踪数据集(OTB-2015)中该算法在运动模糊、尺度变化、背景杂乱、快速运动等挑战性场景中表现出良好的优越性。

摘要：为了提高输电线路器件及缺陷检测的自动化水平,提出基于目标去重的缺陷检测巡检报告生成方法。采用图像传感信息处理技术,输电线路部件缺陷的视觉目标跟踪模型,实现输电线路精细化点位的图像采集。进行三维输电线路缺陷视觉帧点检测,确定缺陷并进行跟踪定位。结合多分类视觉特征分析方法对缺陷特征进行提取,根据颜色概率分布的差异性和像素维度深度的异常分布,构建缺陷巡检报告分析模型,得到输电线路缺陷分布信息,生成巡检报告。设计仿真实验,结果表明:采用该方法生成的缺陷检测巡检报告准确性和稳定性较好,自动化检测能力较强。

摘要：针对Struck算法在遇到完全遮挡后难以恢复目标的跟踪问题,提出了利用双重更新策略对目标进行跟踪的算法。首先标定首帧中目标的所在位置,提取目标特征作为初始模板。其次,设计相似函数判别当前帧目标区域与初始模板的相似度,超过阈值的区域选为正样本加入到在线学习的过程。最后,当目标遇到完全遮挡时,通过遍历搜索的方式寻找与目标相似的图像块,选择超过阈值中相似度最高的图像块作为目标继续跟踪。实验结果表明,改进后的算法可以更好地解决因遮挡或背景相近等复杂条件引起的目标跟踪丢失的问题。

摘要：为解放轮椅用户和陪护人员的双手,设计了一种控制电动轮椅跟随目标人物移动的系统.首先,基于深度彩色相机的视觉跟踪系统,利用tracking-learning-detection(TLD)视觉跟踪算法跟踪彩色图像中的目标人物区域,结合深度图像计算得到目标人物在相机坐标系下的三维位置;然后,跟随控制器根据该空间位置控制电动轮椅的线速度与角速度,使轮椅与目标人物保持设定的距离和相对方位.试验结果表明:该系统能够有效控制电动轮椅跟随目标人物移动,用户使用测试初步证实了系统的实用性.

摘要：为解决目前主流相关滤波跟踪方法中跟踪结果容易陷入局部最优值以及因引入深度学习带来的特征提取过程过慢的问题,提出一种融合极限学习机和相关滤波器的鲁棒性目标跟踪算法。该算法在C-COT算法的基础上对其特征提取方式和置信图的寻优方法进行改善。首先,利用多层稀疏自编码极限学习机技术,设计新的特征提取模型,以代替原来的卷积神经网络,可快速且高效地提取图像特征;其次,在特征提取模型之后,添加在线序列极限学习机,构建目标粗糙位置估计模型,采用多峰检测方法初步求得目标的预测位置;第三,根据初步的目标预测位置确定置信图的搜索区域,避免跟踪结果陷入局部最优值;最后,在3个目标跟踪标准数据集上验证新算法的有效性。实验结果表明,新算法的跟踪速度是C-COT算法的12.9倍,且对遮挡、运动模糊以及相似目标等有较强的鲁棒性,可有效地提高跟踪精度和速度。

摘要：针对固定翼无人机对地面目标进行保距跟踪过程中不能稳定获取目标图像的问题,设计了一种提高视觉目标跟踪稳定性的算法。该算法基于核相关滤波算法,提出了线性旋转子空间的概念,用于估计平面外旋转后的目标图像,在跟踪的过程中通过跟踪效果判断是否对线性旋转子空间进行校正。这种更新机制提高了在相对位置不断变化的情况下视觉跟踪的稳定性和准确性,有效地降低了跟踪漂移的程度。算法在无人机跟踪视角的视觉跟踪数据集中进行了测试,结果显示在跟踪的准确性和鲁棒性上明显好于当前主流跟踪算法。并使用固定翼无人机进行了实机飞行,验证了算法的可行性。

摘要：视觉目标跟踪问题中,被跟踪目标的尺度变化普遍存在。为解决这一难题,本文在核相关滤波器目标跟踪方法的基础上提出了一种能结合尺度预测的目标跟踪方法,简称为KCFSE。该方法使用两种更新策略不同的岭回归模型。在实际跟踪过程中,先采用可塑性强的模型跟踪目标的位置偏移。然后,以此位置为中心,构建图像金字塔,利用稳定相强的模型预测目标的尺度变化。对10组视频序列进行的实验测试表明,该方法在处理尺度变化的被跟踪目标时性能明显优于其他目标跟踪算法。